文献

J-GLOBAL ID：201802278635328549   整理番号：18A0354395

多目的最適化における知識発見のためのデータマイニング方法:パートA サーベイ【Powered by NICT】

Data mining methods for knowledge discovery in multi-objective optimization: Part A - Survey

著者 (3件)： Bandaru Sunith (School of Engineering Science, University of Skovde, Skovde 541 28, Sweden) ,  Ng Amos H.C. (School of Engineering Science, University of Skovde, Skovde 541 28, Sweden) ,  Deb Kalyanmoy (Department of Electrical and Computer Engineering, Michigan State University, East Lansing, 428 S. Shaw Lane, 2120 EB, MI 48824, USA)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 70  ページ： 139-159  発行年： 2017年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 実世界最適化問題は典型的に多重制約の下で,いくつかの変数に関して同時に最適化する多目的を含んでいる。多目的最適化自体は挑戦的課題であるが,得られた解の意味を理解する能力である等しくは困難である。二部構成の本論文では,最適化中に発生した溶液からの多目的最適化問題についての知識を抽出するために適用できることをデータマイニング手法を取り上げて論じた。この知識は意思決定者に問題についてのより深い洞察を提供すると期待され,エキスパートシステムによる将来の設計反復の最適化過程を支援に加えてである。本論文では,いくつかの既存のデータマイニング法を調査し,発見された知識の方法論と型によってそれらを分類した。これらの方法の大部分は探索的データ解析の領域に由来し,多変量データに適用することができる。機械使用可能な形態での明示的知識を生成できる方法に注目した。知識駆動最適化のためのフレームワークを提案し,知識発見のオンラインおよびofflineelementsを含んでいる。本調査の結論の一つは,連続変数を含むデータを扱うことができるデータマイニング手法の数であるが,関与する変数は離散性であるときは,明示的知識を提供することができるは少ないアドホック法ということである。本論文のパートBはこのようなデータセットを使用できる新しい技術を提案し,生産システムに関連した離散変数多目的問題に適用した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *知識発見 ,  多目的計画法 ,  多重化 ,  意思決定者 ,  最適化問題 ,  *データマイニング ,  *PERT ,  エキスパートシステム ,  機械学習 ,  生産システム ,  *最適化
準シソーラス用語： 連続変数 ,  オンライン ,  形式知 ,  *多目的最適化 , 【Automatic Indexing@JST】

著者キーワード (6件)： データマイニング ,  多目的最適化 ,  記述統計 ,  視覚データマイニング ,  機械学習 ,  知識駆動型最適化

分類 (4件)： 数値計算  (JE02000J) ,  システム最適化手法  (IA02050Z) ,  数理計画法  (KA03030M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多目的最適化 ,  知識発見 ,  データマイニング ,  パート